[发明专利]图像编码方法和装置、图像解码方法和装置

说明书

本申请实施例提供一种图像编码方法和装置、图像解码方法和装置。图像编码方法包括：利用卷积神经网络对待处理的图像数据进行特征提取，生成图像数据的特征图；对特征图进行量化，生成离散的特征图；对离散的特征图进行预处理，生成预处理数据，预处理数据的数据量小于离散的特征图的数据量；根据预处理数据计算离散的特征图中的待编码数据的概率；根据待编码数据的概率对待编码数据进行熵编码。

技术领域

本申请实施例涉及图像处理领域。

背景技术

随着计算机技术的发展，图像的应用越来越广泛。为了对图像文件进行高效的存储或传输，需要对图像文件进行图像编码(图像压缩)。图像编码可以看作是码率以及压缩失真程度的一种折中。

根据香农信源编码理论，数据压缩的理论极限是信息熵。换句话说，如果能够准确地估计图像数据的熵，那么就可以使用较少的比特或较小的码率来表示图像数据，由此，能够实现速率-失真的平衡。

为了计算图像数据的熵，需要首先确定待编码数据的概率。但是，通常情况下，待编码数据的概率不是已知的，因此，需要对待编码数据的概率进行估计。如果能够准确的估计待编码数据的概率，那么可以使用较少的比特或较小的码率来表示图像数据，从而有利于提高图像数据的编码效率。

应该注意，上面对技术背景的介绍只是为了方便对本申请的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本申请的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。

发明内容

目前，自回归先验(Autoregressive Priors)方法能够很好地进行概率估计。例如，通过具有自回归模型(Autoregressive Model)和层次先验模型(Hierarchical PriorModel)的熵模型进行概率估计。

但是，发明人发现，自回归模型需要显著的计算开销，因此，在对图像数据进行编解码时，会产生较大的时延。此外，在根据熵模型计算出的概率对图像进行编解码时，编解码器的效率也是影响图像数据的编解码时长的一个重要因素。

本申请实施例提出了一种图像编码方法和装置、图像解码方法和装置，能够缩短图像编解码的时长。

根据本申请实施例的第一个方面，提供了一种图像编码方法，包括：

利用卷积神经网络对待处理的图像数据进行特征提取，生成所述图像数据的特征图；

对所述特征图进行量化，生成离散的特征图；

对所述离散的特征图进行预处理，生成预处理数据，所述预处理数据的数据量小于所述离散的特征图的数据量；

根据所述预处理数据计算所述离散的特征图中的待编码数据的概率；

根据所述待编码数据的概率对所述待编码数据进行熵编码。

根据本申请实施例的第二个方面，提供了一种图像解码方法，包括：

对已解码数据进行预处理，生成预处理数据，所述预处理数据的数据量小于所述已解码数据的数据量；

根据所述预处理数据计算当前的待解码数据的概率；

根据所述概率对所述待解码数据进行熵解码得到特征图；以及

对所述特征图进行重建，生成图像数据。

根据本申请实施例的第三个方面，提供了一种图像编码方法，包括：

利用卷积神经网络对待处理的图像数据进行特征提取，以生成所述图像数据的特征图；

对所述特征图进行量化，以生成离散的特征图；

计算所述离散的特征图中的待编码数据的概率；